Introducción al Machine Learning con Python

Curso desarrollado en colaboración con el Instituto Tecnológico de Informática (ITI)

Formato: Presencial en ITI: Ciudad Politécnica de la Innovación, Edificio 8G, Cuarta Planta

Cuándo: Del 01/06/2021 al 17/06/2021. Martes y jueves de 9:30 a 13:30h.

Cuánto: Externos: 432€ (+IVA). Asociados: 367€ (+IVA)

Descuento por volumen:

  • 5% por segundo alumno
  • 10% por tercer, cuarto, etc. alumno

Precio especial de venta anticipada hasta el 21 de abril de 2021*: 260€ (+IVA)

*Otros descuentos y precios especiales no acumulables

Se puede bonificar el curso a través de la Fundación Estatal para la Formación en el Empleo en función del crédito disponible de la empresa, pero hay que tener presente que es necesario comunicar a la Fundación la realización del curso con una antelación mínima a su inicio de 10 días naturales. El coste de la gestión es del 15% del importe máximo bonificable con un mínimo de 45€.

Fin plazo de matrícula: 21 de mayo

boton otros cursos

Presentación del curso

El mundo moderno está repleto de datos. La información permea los distintos aspectos de nuestro entorno y poder extraer un significado de los datos crudos es una aptitud cada vez más necesaria. Asimismo, en este entorno de análisis se requiere de herramientas flexibles, ligeras y robustas que permitan el rápido prototipado de algoritmos, de modo que se puedan probar distintas hipótesis, algoritmos que una vez probados puedan utilizarse directamente en producción.

Satisfacer completamente estas necesidades es una de las razones por la que el lenguaje Python está tan extendido en las comunidades científica, informática y académica. Es un lenguaje de sintaxis sencilla y fácil aprendizaje, sin que ello limite su potencial. Dada la amplitud de la comunidad y la edad del lenguaje, éste lleva asociado una plétora de módulos de código abierto que amplían enormemente su funcionalidad y una documentación íntegra de casos de uso, errores y herramienta.

En este curso se hará un recorrido del uso del lenguaje, desde la base sintáctica hasta una funcionalidad avanzada orientada hacia el análisis de datos, otorgando unas herramientas con las que el alumno puede, por cuenta propia, enriquecer y especializar su propio repertorio.

El constante bombardeo de datos puede tornarse cacofónico, inmanejable e ininteligible sin la preparación adecuada. Con este curso se pretende afinar esas cuerdas.

Objetivos

Los alumnos deberán adquirir las siguientes competencias:

  • Familiaridad con Python, su gramática y sintaxis
  • Uso y preparación de módulos de código en Python, incluyendo las principales librerías de Machine Learning
  • Preparación y análisis estadístico de datos crudos de cualquier formato
  • Correcta representación gráfica de datos
  • Aplicación informada de los modelos más habituales y contemporáneos de Machine Learning: k-Vecinos, clustering jerárquico, árboles de decisión, redes neuronales artificiales...

Dirigido a

Profesionales técnicos, analistas, consultores técnicos y desarrolladores interesados en aprender uno de los lenguajes más extendidos y versátiles, con una comunidad creciente. Python es una de las llaves principales del campo del análisis de datos y el de Machine Learning.

Requisitos previos

Conocimientos básicos de programación, conocimientos básicos de matemáticas. Se recomienda tener conocimientos de estadística aunque no es indispensable para la correcta realización del curso.

Temario
Tema 1. Introducción a Python (1h)
  • Lenguaje interpretado y tipos dinámicos
  • Sintaxis
  • Condicionales y estructuras de control
  • Listas, diccionarios y otros iterables
Tema 2. Uso básico de Python (3h)
  • Jupyter
  • Scripts, Módulos y empaquetado
  • Introducción a las librerías más usadas
  • Visualización de datos
Tema 3. Introducción a “Data Science” (1h)
  • Visión general
  • Descripción de las fases del Data Analytics
Tema 4. Análisis Exploratorio de Datos (AED) (3h)
  • Estadística descriptiva
  • Análisis Univariante
  • Análisis Multivariante
Tema 5. Procesado de datos (4h)
  • Limpieza de datos (data cleansing)
  • Gestión de datos faltantes
  • Reescalado / Normalización
  • Datos categóricos a numéricos (Codificación)
  • Datos numéricos a categóricos (Discretización)
  • Remuestreo (resampling)
Tema 6. Introducción a Machine Learning (ML) (2h)
  • Introducción a Machine Learning
  • Clasificación de modelos de ML
  • Proceso estándar de modelado
  • Evaluación de modelos de ML
  • Mejorar los resultados de los modelos
Tema 7. Machine Learning (ML) en Python (10h)
  • Regresión: lineal, múltiple (1h)
  • Clasificación: kNN, Naive Bayes, Árboles de decisión (3h)
  • Modelos Black Box: ANN, SVM (2h)
  • Agrupación de modelos (Ensemble) (2h)
  • Clustering: kMeans (1h)
  • Introducción a Deep y Reinforcement Learning (1h)

 

Formalización de matricula:
Tras rellenar el formulario de inscripción, el COIICV se pondrá en contacto con usted para indicarle las instrucciones para finalizar la matrícula en el curso. No es necesario que rellene los datos de facturación (se le solicitarán posteriormente).

 

boton inscripcion